摘要:针对软测量建模问题,提出了一种基于Elman神经网络的软测量建模方法。将该方法应用于脱丁烷塔底部丁烷组分含量以及硫回收装置尾气中SO_2和H_2S含量的软测量建模,分别采用BPTT算法、RTRL算法和EKF算法对Elman网络进行训练。在同等条件下,通过与传统的梯度下降算法以及其他软测量建模方法对比表明,EKF算法能够获得较好的离线估计结果,具有较好的鲁棒性和较快的收敛速度。
关键词:elman神经网络 软测量 算法 化工过程
单位:兰州交通大学自动化与电气工程学院 甘肃兰州730070
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社